用途：该技能用于生成评估 SageMaker 模型的 Python 代码，面向 SageMaker Serverless Model Customization 的评估功能，可评估其支持的任何基础模型或微调模型，包括 Llama、Mistral、Qwen 等开源模型以及 Nova 模型。
主要能力：提供两种评估类型。LLM-as-Judge 由 LLM 为模型回答打分，仅支持开源模型，不支持 Nova。Custom Scorer 通过 Lambda 函数进行程序化评估，包含内置的数学与代码评分器，开源模型和 Nova 模型均可用，但 Nova 仅支持自定义 Lambda。
使用方式：使用前需先确认 SDK 环境（SDK 版本、区域、执行角色）已验证，否则应先激活 sdk-getting-started 技能。工作流分两步：先确定评估类型，若用户不确定，需阅读 references/evaluation-type-guide.md 后再引导选择；随后进行校验并交接给评估工作流。LLM-as-Judge 校验需确认模型类型（可通过训练任务 ARN 的 list-tags 查找 sagemaker-studio:jumpstart-model-id 标签，或通过 Model Package ARN 的 describe-model-package 判断）且用户需有评估数据集。Custom Scorer 校验同样要求评估数据集。校验通过后，LLM-as-Judge 读取 references/llmaaj-evaluation.md，Custom Scorer 读取 references/custom-scorer-evaluation.md，并按其中说明执行。
限制：两种评估类型都要求用户提供评估数据集，缺少数据集则无法进行模型评估。LLM-as-Judge 不支持 Nova 模型。若用户请求评估 SageMaker Serverless Model Customization 不支持的模型，应说明该技能不支持。具体命令、代码示例与更多细节暂未提供。